DATA WAREHOUSE PENJUALAN PT XYZ

Minda Mora Purba

karo_727@yahoo.com

Abstract
Data warehouse is a decision support system (decision support system) which use
and manufacture independent in one part of certain business environment at
company, for example sales department. Problems faced by this sales is the difficulty
in data collection products and customers, and the acquisition of sales reports are
fast and accurate. With these problems the company needs a data warehouse that can
be a trusted data source for the activities of this company.
The process of developing the data warehouse includes the analysis phase, the design
stage and implementation.

Keywords: warehouse, data, DSS, ETL

PENDAHULUAN Dalam perancangan database tradisional

Berkembangnya teknologi dan infor-
masi saat ini telah melahirkan “gunu-
ngan” data di bidang ilmu pengetahuan,
bisnis dan pemerintah. Kemampuan
teknologi informasi untuk mengumpul-
kan dan menyimpan berbagai tipe data
jauh meninggalkan kemampuan untuk
menganalisis, meringkas dan meng-
ekstraksi “pengetahuan” dari data.
Metodologi tradisional untuk meng-
analisis data yang ada, tidak dapat me-
nangani data dalam jumlah besar. Para
peneliti melihat peluang untuk mela-
hirkan sebuah teknologi baru yang
menjawab kebutuhan ini, yaitu data
warehouse. Teknologi ini sekarang
sudah ada dan diaplikasikan oleh
perusahaan-perusahaan untuk meme-
cahkan berbagai permasalahan bisnis.
Data warehouse merupakan metode
dalam perancangan database yang me-
nunjang DSS (Decission Support Sys-
tem) dan EIS (Executive Information
System). Secara fisik data warehouse
adalah database, tapi perancangan data
warehouse dan database sangat berbeda.
menggunakan normalisasi, sedangkan
pada data warehouse normalisasi bu-
kanlah cara yang terbaik.
LANDASAN TEORI
Pengertian Data Warehouse
Data warehouse adalah suatu konsep
dan kombinasi teknologi yang mem-
fasilitasi organisasi untuk mengelola
dan memelihara data historis yang
diperoleh dari sistem atau aplikasi ope-
rasional. Pemakaian teknologi data
warehouse hamper dibutuhkan oleh se-
mua organisasi, tidak terkecuali per-
pustakaan. Data warehouse memung-
kinkan integrasi berbagai macam jenis
data dari berbagai macam aplikasi atau
sistem. Hal ini menjamin mekanisme
akses “satu pintu bagi manajemen untuk
memperoleh informasi dan menganali-
sisnya untuk pengambilan keputusan”.
Beberapa konsep dasar tentang data
warehouse :
a. Data warehouse adalah data-data
yang berorientasi subjek, terinte-
grasi, memiliki dimensi waktu,

45
 serta merupakan koleksi tetap (non-
volatile), yang digunakan dalam
mendukung proses pengambilan
keputusan oleh para manajer di
setiap jenjang (namun terutama
pada jenjang manajerial yang
memiliki peringkat tinggi).
b. Data warehouse adalah suatu para-
digma baru dilingkungan peng-
ambilan keputusan strategik. Data
warehouse bukan suatu produk
tetapi suatu lingkungan dimana
user dapat menemukan informasi
strategik. Data warehouse adalah
kumpulan data-data logik yang
terpisah dengan database operasi-
onal dan merupakan suatu ring-
kasan.
c. Data warehouse adalah data yang
diperoleh dari proses dimana org-
anisasi mengekstraksi makna dari
aset infromasi yang mereka miliki.
Data warehouse adalah inovasi
baru dalam hal teknologi informasi.
Sejak dimulai sekitar 15 tahun lalu,
konsep data warehouse ini ber-
kembang secara cepat sehingga saat
ini konsep data warehouse ini
adalah konsep yang paling banyak
dibicarakan oleh para ahli di bidang
tekhnologi informasi.
d. Data Warehouse adalah pusat
repositori informasi yang mampu
memberikan database berorientasi
subyek untuk informasi yang
bersifat historis yang mendukung
DSS (Decision Suport System) dan
EIS (Executive Information Sys-
tem).
46
e. Salinan dari transaksi data yang
terstruktur secara spesifik pada
query dan analisa.
f. Salinan dari transaksi data yang
terstruktur spesifik untuk querydan
laporan.
Karakteristik Data Warehouse
1. Berorientasi Subjek.
Data warehouse terorganisasi di
seputar subjek kunci (atau entitas-
entitas peringkat tinggi) dalam
perusahaan. Data warehouse adalah
tempat penyimpanan berdasakan
subyek bukan berdasakan aplikasi.
Subyek merupakan bagian dari
suatu perusahaan. Contoh subyek
pada perusahaan manufaktur adalah
penjualan, konsumen, inventori,
dan lain sebagainya.
Contoh lain misalnya di bank,
aplikasi kredit mengotomasi
fungsi-fungsi: verifikasi lamaran
dan credit checking, pemeriksaan
kolateral, approval, pendanaan,
tagihan, dan seterusnya. Didalam
data warehouse data-data yang
dihasilkan dari proses kredit ini,
diatur kembali (dikelompokkan)
dan diintegrasikan (digabung) de-
ngan data-data dari fungsi-fungsi
lain, agar berorientasi pada missal-
nya nasabah dan produk.
Gambar dibawah ini merupakan
perbedaan mengenai data ware-
house dan database operasional.
 Gambar 1
2. Terintegrasi
Data yang tersimpan dalam data
warehouse didefinisikan meng- meng
gunakan konversi penamaan yang
konsisten, format-format,
format, struktur
terkodekan, serta karakteristik-
karakteristik
karakteristik yang berhubungan.
berhubungan
Sumber data yang ada dalam data
warehouse tidak hanya berasal dari
database operasional (internal
source) tetapi juga berasal dari data
diluar sistem (external
(exter source).
Data pada sumber berbeda dapat di- di
encode dengan cara yang ber- ber
beda. Sebagai contoh, data jenis
kelamin dapat di-enkode
enkode sebagai
0 dan 1 di satu tempat dan ”m”
dan ”f” di tempat lain.
Contoh lain misalnya : Data dari
macam-macam
macam aplikasi transaksi
transa
(untuk bank misalnya: tabungan,
kredit, rekening koran) semua
mengandung data nasabah, ada
yang sama ada yang spesifik (yang
sama misalnya: nama dan alamat,
yang spesifik misalnya: untuk
kredit ada kolateral, untuk rekening
koran ada overdraft) didalam data
warehouse data-data
data yang sama
harus diintegrasikan disatu data-
data
47
base, termasuk misalnya di di-
seragamkan formatnya (sederhana
tetapi paling sering terjadi –
aplikasi-aplikasi
aplikasi sering dibeli
vendor berbeda, dibuat dengan/
dijalankan di teknologi berbeda
berbeda-
beda)
3. Memiliki dimensi waktu (Time
variant)
Data yang tersimpan dalam data
warehouse mengandung dimensi
waktu yang mungkin digunakan
sebagai rekaman bisnis untuk tiap
waktu tertentu. Data warehouse
menyimpan sejarah (historical
data). Bandingkan dengan kebukebutu-
han sistem operasional yang hampi
hampir
semuanya adalah data mutakhir
mutakhir.
Waktu merupakan tipe atau bagian
data yang sangat penting didalam
data warehouse. Di dalam data
warehouse sering disimpan macam
macam-
macam waktu, seperti waktu suatu
transaksi terjadi/dirubah/dibatalkan,
kapan efektifnya, kapan masuk ke
komputer, kapan masuk ke data
warehouse; juga hampir selalu
disimpan versinya, misalnya ter-
jadi perubahan definisi kode pos,
maka yang lama dan yang baru
 ada semua didalam data ware- ware
house kita. Sekali lagi, data ware-
house yang bagus adalah yang
menyimpan sejarah.
4. Non-volatile
Data yang tersimpan dalam
dala data
warehouse diambil dari sistems
operasional yang sedang berjalan,
tetapi tidak dapat diperbaharui (di-
(di
update) oleh pengguna (bersifat
‘hanya-baca’). Sekali masuk ke- ke
dalam data warehouse, data-data,
data
terutama data tipe transaksi, tidak
akan pernah di update atau dihapus
(delete).
Terlihat, bahwa keempat karak- karak
teristik ini saling terkait kesemua-
kesemua
nya harus diimplementasikan agar
Gambar 2
5. Ringkas
Jika diperlukan, data operasional
dikumpulkan ke dalam ringkasan-
ringkasan
ringkasan.
6. Granularity
Pada sistem operasional data dibuat
secara real-time
time sehingga untuk
mendapatkan informasi langsung
dilakukan proses query. Pada data
48
suatu data warehouse bisa efektif
memiliki data untuk mendukung
pengambilan-keputusan.
keputusan. Dan, im-
plementasi keempat karakteristik
ini membutuhkan struktur data dari
data warehouse yang berbeda
dengan database sistem operasio
operasio-
nal. Data dalam database operasio
operasio-
nal akan secara
ecara berkala atau 48bisa
dipindahkan kedalam data ware ware-
house sesuai dengan jadwal yang
sudah ditentukan. Misal perhari,
perminggu, perbulan, dan lain
sebagainya. Sekali masuk ke dalam
data warehouse, data adalah read
read-
only . Pada gambar 2 dibawah ini
bisa dilihat bahwa database OLTP
bisa dibaca, diupdate dan dihapus.
Tetapi pada database data ware ware-
house hanya bisaa dibaca.
warehouse untuk menganalisis
harus memperhatikan level level-of-
detail misalkan
alkan perhari, ringkasan
perbulan, ringkasan per
per-tiga-bulan.
7. Tidak ternormalisasi
Data di dalam sebuah data ware
ware-
house biasanya tidak ternormalisasi
dan sangat redundan. Dasar dari
suatu data warehouse adalah suatu
 data yang besar yang mengandung
informasi bisnis. Data-data yang
ada di dalam data warehouse bisa
berasal dari banyak sumber, missal-
kan dari database operasional atau
transaksional dan sumber dari luar
misalkan dari web, penyedia jasa
informasi, dari perusahaan lain dan
lain sebagainya.
Keuntungan Data Warehouse
1. Potential high returns on invest-
ment
Suatu organisasi harus menjalankan
sejumlah besar sumberdaya untuk
memastikan kesuksesan imple-
mentasi dari data warehouse de-
ngan biaya yang sangat variatif.
Nilai investasi yang ditanamkan
lebih cepat kembali dengan meng-
gunakan data warehouse.
2. Competitive advantage
Keuntungan kompetitif dapat
dicapai dengan memungkinkannya
akses pengambil keputusan ke data
yang sebelumnya sangat tidak
mungkin.
3. Increased productivity of corpo-
rate decision-makers
Data warehousing dapat mening-
katkan produktivitas pengambil ke-
putusan dengan membangun data-
base terintegrasi yang konsisten,
berorientasi subjek, dan data
history. Dengan memindahkan data
kedalam bentuk yang lebih berarti,
data warehouse memungkinkan
manajer bisnis untuk menampilkan
analisa yang lebih substantif, akurat
dan konsisten.
49
Sejarah Data Warehouse dan per-
kembangannya
Sejak awal 1990-an, data gudang yang
berada di garis depan aplikasi teknologi
informasi sebagai cara bagi organisasi
untuk secara efektif menggunakan in-
formasi digital untuk perencanaan
bisnis dan pe-ngambilan keputusan.
Oleh karena itu, pemahaman tentang
sistem arsitektur data warehouse akan
menjadi penting dalam peran dan
tanggung jawab dalam pengelolaan
informasi.
 1960 – General
Mills dan Dartmouth College , da-
lam proyek penelitian bersama,
mengembangkan dimensi syarat
dan fakta. [2]
 1970 – ACNielsen dan IRI menye-
diakan data mart dimensi untuk
penjualan eceran.
 1983 – Teradata memperkenalkan
sistem manajemen database yang
khusus dirancang untuk mendu-
kung keputusan.
 1988 – Barry Devlin dan Paul
Murphy mempublikasikan arti-
kel arsitektur An untuk dan sistem
informasi bisnis di IBM Systems
Journal mana mereka memper-
kenalkan istilah “data bisnis”
gudang.
 1990 – memperkenalkan Sistem
Bata Merah Red Brick Warehouse,
sebuah sistem manajemen database
khusus untuk data warehouse.
 1991 – memperkenalkan Prism
Prism Solusi Gudang Manager,
perangkat lunak untuk mengem-
bangkan gudang data.
 1991 – Bill Inmon menerbitkan
buku Membangun Data Ware-
house.
 1995 – Data Warehousing Institute,
sebuah organisasi nirlaba yang
 mempromosikan data warehouse,
didirikan.
 1996 – Ralph Kimball
imball menerbitkan
buku The Data Warehouse Toolkit.
 2000 – Daniel Linstedt melepaskan
Vault Data, memungkinkan real
time diaudit Data Warehouse.
pendekatan model skema yaitu star
schema atau snowflake schema. Di-
sebut starschema karena Entity Relation
ship Diagram atau ERD
ERD-nya yang me-
nyerupai bintang, tabel fakta berada di
tengah dengan dikelilingi tabel dimensi
di sampingnya.

Skema Data Warehouse

arehouse Berikut adalah contoh gambar star
Dalam menggambarkan relasi database schema:
pada data warehouse dapat digunakan 2

Gambar 3

Sedangkan snowflake schema lebih normalisasi dari beberapa tabel yang

kompleks dibandingkan dengan star berhubungan.
schema karena merupakan pengem-
pengem
bangan dari star schema,
schema karena tabel- Berikut adalah contoh gambar snow-
tabel dimensinya merupakan hasil flake schema:

Gambar 4

50
Berdasarkan hasil penelitian yang di-
lakukan oleh Paiman dkk. (2010) yang
berjudul “Analisis Perbandingan Antara
Model Dimensi Star Schema Dan Snow-
flake”, didapat kesimpulan mengenai
kelebihan dan kekurangan baik dari star
schema maupun snowflake schema. Be-
rikut adalah kelebihan dan kekurangan
model dimensi star schema.
Kelebihan model dimensi star schema :
1. cenderung mudah dipahami karena
modelnya yang lebih sederhana,
2. memudahkan mencari isi karena
kesederhanaannya dengan cara me-
lihat step by step dari masing-ma-
sing dimensinya,
3. proses query lebih cepat pada saat
proses OLAP.
Kekurangan model dimensi star
schema :
1. ukuran data lebih besar karena ada
data yang disimpan ulang,
2. maintenance dan update lebih sulit.
Berikut adalah kelebihan dan kekura-
ngan model dimensi snowflake schema.
Kelebihan model dimensi snowflake
schema:
1. ukuran data lebih kecil di dalam
tempat penyimpanan,
2. lebih mudah dilakukan mainte-
nance dan update,
3. proses query lebih cepat pada saat
proses ETL.
Kekurangan model dimensi snowflake
schema:
1. cenderung lebih sulit dipahami ka-
rena kompleksitasnya,
2. sulit mencari isi karena melihat
strukturnya yang kompleks dan
bercabang-cabang.
51
Istilah-istilah yang berhubungan
dengan data warehouse
1. Data Mart
Adalah suatu bagian pada data
warehouse yang mendukung pem-
buatan laporan dan analisa data
pada suatu unit, bagian atau operasi
pada suatu perusahaan.
2. On-Line Analytical Processing
(OLAP)
Merupakan suatu pemrosesan data-
base yang menggunakan tabel fakta
dan dimensi untuk dapat menampil-
kan berbagai macam bentuk la-
poran, analisis, query dari data
yang berukuran besar.
3. On-Line Transaction Processing
(OLTP)
Merupakan suatu pemrosesan yang
menyimpan data mengenai kegiatan
operasional transaksi sehari-hari.
4. Dimension Table
Tabel yang berisikan kategori de-
ngan ringkasan data detail yang
dapat dilaporkan. Seperti laporan
laba pada tabel fakta dapat di-
laporkan sebagai dimensi waktu
(yang berupa perbulan, perkwartal
dan pertahun).
5. Fact Table
Merupakan tabel yang umumnya
mengandung angka dan data histo-
ry dimana key (kunci) yang dihasil-
kan sangat unik, karena key ter-
sebut terdiri dari foreign key(kunci
asing) yang merupakan primary key
(kunci utama) dari beberapa
dimension table yang berhubungan.
6. DSS
Merupakan sistem yang menye-
diakan informasi kepada pengguna
yang menjelaskan bagaimana
sistem ini dapat menganalisa situasi
dan mendukung suatu keputusan
yang baik.
PERANCANGAN DATA WARE-
HOUSE
Pengembangan data warehouse yang
ditujukan untuk menganalisis data di-
lakukan dengan mengikuti beberapa fase
desain yaitu spesifikasi kebutuhan,
desain konseptual, desain logis, dan
desain fisik.
Analisa Kebutuhan
Langkah-langkah analisa data hingga
diperoleh logikal data warehouse
adalah sebagai berikut :
1. Menterjemahkan kebutuhan dari
proses bisnis ke dalam model
dimensional.
2. Membuat suatu logikal data ware-
house yang disebut sebagai star-
schema ataupun snowflake.
3. Melakukan test terhadap model
dimensional yang sudah dibuat,
dan melakukan analisis hingga
pemetaan antara target data
dengan sumber data.
Arsitektur data warehousenya dimulai
dengan mengumpulkan data yang
berkaitan dengan penjualan yang
bersumber dari berbagai database
seperti database penjualan, promosi,
customer, dan produksi. Pada proses
kedua data – data dari data source
tersebut di gabung menjadi satu dan di
Extraction dan hasil dari data itulah
yang digunakan lalu data tersebut di
simpan ke dalam format .xls
(excelsheet). Proses selanjutnya adalah
Transformation yaitu mengambil data –
52
data yang sudah di Extraction itu tadi
lalu di perbaiki, maksud di perbaiki
adalah merapikan data – data mentah
dari hasil Extraction tersebut lalu di
rapikan agar bisa digunakan untuk
proses selanjutnya. Proses keempat
adalah Loading yaitu memasukkan data
– data yang sudah benar dan rapi yang
berasal dari hasil proses Transformation
itu tadi kedalam data warehousenya.
Data warehouse itu sendiri yang berisi
data – data yang berasal dari data source
yang sudah melalui proses – proses di
atas sehingga menjadi kumpulan data
yang bisa diolah menjadi informasi.
Terakhir adalah proses output yaitu
keluaran dari hasil olahan data yang
diambil dari data warehouse yang
selanjutnya akan di gunakan untuk
kebutuhan perusahaan.
Perancangan dan Identifikasi Ke-
layakan Sistem
Pada perancangan ini dibutuhkan
data yang sesuai dan menunjang hasil
yang diinginkan. Untuk melakukan
identifikasi kelayakan sistem pertama
kali dilakukan dengan percobaan ter-
hadap desain proses ETL (Ekstraksi,
Transformasi, dan Load data), yang di-
lanjutkan dengan melakukan penceta-
kan laporan yang diinginkan.
Adapun elemen kompetensi kriteria
unjuk kerja dalam membangun desain
data warehouse yang digunakan se-
bagai konsep dalam pembangunan data
warehouse adalah sebagai berikut:
 Gambar 5. Alur Pembuatan Data Warehouse
Perancangan Database untuk Data
Warehouse
Ada sembilan tahap dalam perancangan
database untuk data warehouse, yaitu :
Langkah 1 : Pemilihan proses
Langkah 2 : Pemilihan sumber
Langkah 3 : Mengidentifikasi dimensi
Langkah 4 : Pemilihan fakta
Langkah 5 : Menyimpan pre-kalkulasi
di tabel fakta
Langkah 6 : Melengkapi tabel dimensi
Langkah 7 : Pemilihan durasi database
Langkah 8 : Menelusuri perubahan di-
mensi yang perlahan
Langkah9 : Menentukan prioritas dan
mode query
Implementasi
Setelah dilakukan perancangan ma-
ka untuk dapat digunakan user dilaku-
kan implementasi. Implementasi ber-
acuan pada perancangan yang telah
disusun dan diidentifikasi kelayakan-
nya.
Uji coba dan Evaluasi Kelayakan
Antar Muka
Uji coba dan evaluasi antarmuka ber-
guna untuk pengguna bahwa data
warehouse dan antarmuka yang dibuat
telah sesuai dengan yang diinginkan.
53
Pada evaluasi ini akan terlihat ke-
mampuan data warehouse dan antar-
mukanya dalam menyajikan informasi
yang cepat dan akurat, sesuai dengan
perancangan yang telah dibuat.
PENUTUP
Data warehouse merupakan suatu
cara/metode dari suatu database yang
berorientasi kepada subjek, non-
volatile, time-variance dan terintegrasi
yang digunakan untuk mempermudah
para pengambil keputusan dalam
memecahkan masalah.
Data warehouse yang dirancang adalah
hasil dari extract, transfer dan load
dari sistem transaksional yang sudah
berjalan saat ini, dimana data sumber
akan direstrukturisasi terlebih dahulu.
Dengan mempertimbangkan bentuk
normalisasi data sumber yang ada, data
warehouse ini mampu melakukan
pengkoleksian semua datanya. Dengan
adanya konversi struktur data dan
konversi type data, maka data-data
sumber dapat terlebih dahulu di-
seragamkan baik struktur datanya
maupun type-type datanya, sehingga
proses ETL menjadi lebih mudah.
Dengan menggunakan pivot table dari Conolly,Thomas dan Begg
Ms. Excel, pembuatan laporan-laporan Carolyn(2002). Database systems –
dengan bentuk dan format yang di- A Practical Approach to Design,
inginkan oleh user menjadi lebih mu- Implementation and Management,
dah. Dengan adanya data warehouse ini, edisi-3. Addison Wesley
query tidak dilakukan berulang-ulang Longman.Inc., USA
dan prosedur pembuatan laporan juga
menjadi lebih sederhana dan mudah Fatansyah(2002). Buku Teks Ilmu
sehingga dalam pembuatan laporannya Komputer – Basis Data, cetakan-4.
menjadi lebih cepat Informatika

Keberadaan data warehouse sangat Inmon, W.H.(2002). Building the Data

penting sebagai tools dari DSS, karena Warehouse,edisi-3. Wiley Computer
data warehouse memang digunakan Publishing.
untuk itu. Dengan adanya data ware-
house, diharapkan suatu perusahaan Kimball,R.,Merz, R (1998). The Data
dapat lebih unggul dari kompetitornya Warehouse Lifecycle Toolkit. Expert
dan lebih jeli lagi dalam melihat Methods for Designing, Developing
peluang pasar. and Deploying Data Warehouses.
Wiley Computer Publishing,
Canada.
DAFTAR PUSTAKA
https://opistation.wordpress.com/2013/1 Mcleod,Raymond(1996). Sistem
0/15/karakteristik-data-warehouse/ Informasi Manajemen, Jilid-1.
Terjemahan Teguh,H. PT.
https://levinbosz.wordpress.com/2014/0 Prenhallindo, Jakarta.
1/02/star-schema-dan-snowflake-
schema-baru/#more-245 Poe, Vidette(1998). Building Data
Warehouse for Decision Support,
http://dundungismyblog.blogspot.co.id/ edisi-2. Prentice Hall.
2014/09/analisis-kebutuhan-data-
warehouse.html

54